Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PRACTICA N° 1
PRONOSTICOS
1. La dueña de una tienda de computadoras alquila impresoras a algunos de sus mejores
clientes. Ahora le interesa elaborar un pronóstico de sus operaciones de alquiler para
poder comprar la cantidad correcta de suministros para sus impresoras. A continuación
se presenta los datos correspondientes a las 10 últimas semanas:
SOLUCION
MAD 4,12
El MAD es de 4.12
2. Las ventas realizadas en los últimos doce meses por Darworth Company aparece a
continuación:
a) Utilice un promedio móvil simple de tres meses y pronostique las veantas para los meses
comprendidos entre abril y diciembre
Octubre 36 56,34
Noviembre 32 50,67
Diciembre 29 40,67
ENERO 32,34
b) Aplique un promedio móvil de cuatro meses y pronostique las ventas para los meses
comprendidos entre mayo y diciembre
Para n=3
Para n=4
Con n = 3 produjo una desviación media absoluta más baja. Y sería el que mejor desempeño
produce.
10 de julio 32 26 17 de julio
17 de julio 36 28 24 de julio
24 de julio 23 27 31 de julio
31 de julio 25 27 7 de agosto
a) Utilice un promedio móvil ponderado de tres meses para pronosticar las ventas de los meses
transcurridos entre abril y diciembre. Use ponderacines (3/6),(2/6) y (1/6), asignando una
ponderación mayor a los datos mas recientes
b) Use el suavizamiento exponencial con α = 0.6 para pronosticar las ventas de los meses
comprendidos entre abril y diciembre. Suponga que el pronostico inicial para enero fue de
$22 millones
c) Compare el desempeño de los dos métodos, aplicando la desviación media absoluta como
criterio de desempeño ¿Qué método recomendaría?
d) Compare el desempeño de los dos métodos, usando el error porcentual media absoluta
como criterio de desempeño ¿Qué método recomendaría?
e) Compare el desempeño de los dos métodos, usando el error cuadrático medio como
criterio de desempeño ¿Qué método recomendaría?
DOLARES) O
Abril 31 24,84 6,16 37,9456
Mayo 37 28,5 8,5 72,25
Junio 47 33,34 13,66 186,5956
Julio 53 41 12 144
Agosto 62 48,34 13,66 186,5956
Septiembr 54 56,5 2,5 6,25
e
Octubre 36 56,5 20,5 420,25
Noviembr 32 46,34 14,34 205,6356
e
Diciembre 29 37 8 64
TOTAL 1323,53
MSE 147,06
El mejor método es el segundo porque su MSE es mucho menor con relación al primero
SOLUCION
T t =β ( A t −A t −1 ) +(1−β )T t−1
Ft +1= A t +T t
F junio=752+50.2=802.2
pasado y proyectar el uso en el futuro. Si el uso proyectado es insuficiente amplio, tal vez
sea necesario adquirir más maquinas. Al final d abril el uso mensual era de 600 clientes y
la tendencia señalaba +60 clientes por mes. Las cifras de uso real correspondientes a
mayo, junio y julio son 680,710, y 790, respectivamente. Use el suavizamiento
exponencial ajustado a la tendencia con α =0.3 y β =0.2, para elaborar un
SOLUCION
T t =β ( A t −A t −1 ) +(1−β )T t−1
Ft +1= A t +T t
F julio=722.04+60.168=782.2 ≅782
AÑO DEMANDA
1 45
2 50
3 52
4 56
5 58
La administración del hospital está considerando los siguientes métodos de pronóstico.
SOLUCION
5 58 53 5 25 8,63
6 56
MAD 6 MSE 37 MAPE 10,565
v) Promedio móvil ponderado de tres años, usando ponderaciones de 3/6, 2/6 y 1/6 y
asignando una mayor ponderación a los datos mas recientes.
SEMANA VENTAS
1 46
2 49
3 43
4 50
5 53
pronosticar las ventas correspondientes a las semanas 3 a 6. Suponga que el promedio de la seri
de tiempo fue de 45 unidades y que la tendencia promedio fue de +2 unidades por semana
inmediatamente antes de la semana 1
SOLUCION
9 3502 3894,555525
10 2448 1432,641563
11 1768 2037,007756
12 5882 4487,797097
13 3838,319012
14 1399,484671
15 2093,85459
16 4519,907605
b) Si las ventas esperadas de los chocolates son de 14800 cajas en el año 4 utilice el método estacional multiplicativo y prepare un
pronóstico para cada trimestre del año ¿alguno de los pronósticos trimestrales es diferente de lo que usted supuso que obtendría en la
parte a?
TRIMESTRE AÑO FACTOR ESTACIONAL AÑO FACTOR ESTACIONAL AÑO FACTOR ESTACIONAL F.E. PROMEDIO AÑO 4
1 2 3 (PRONOSTICO)
1 3000 1,2 3300 1,1 3502 1,03 1,11 4107
2 1700 0,68 2100 0,7 2448 0,72 0,7 2590
3 900 0,36 1500 0,5 1768 0,52 0,46 1702
4 4400 1,76 5100 1,7 5882 1,73 1,73 6401
PROMEDIO 2500 3000 3400 14800
UNIVERSIDAD TECNICA DE ORURO
FACULTAD NACIONAL DE INGENIERÍA
CARRERA DE INGENIERÍA INDUSTRIAL
10. La gerente de Snyders Garden Center debe elaborar sus planes anuales de compras de
rastrillos, guantesy otros artículos de jardinería. Uno de los artículos que tiene en
inventario es Fast- grow, un fertilizante liquido. Las ventas de dicho articulo son
estacionales, con puntos máximos en los meses de primavera, verano y otoño . a
continuación se presenta la demanda trimestral (en cajas ) registrada durante los dos
últimos años:
Si las ventas esperadas de Fast- Grow son de 1150 cajas para el año 3, use el método estacional
multiplicativo y prepare un pronóstico para cada trimestre.
11. El gerente de una compañía de luz, localizada en la franja estrecha del territorio des
estado de Texas, necesita elaborar pronósticos trimestrales de las cargas de energías
eléctrica que deberá suministrar el año entrante. Las cargas de energía so estacionales, y
los datos sobre las cargas trimestrales, en megaeatts (MW),en los últimos cuatro años,
son los siguientes:
El gerente ha estimado la demanda total para el año próximo en 600 MW. Use el método estacional multiplicativo y elabore un pronóstico
para cada trimestre.
SOLUCION
TRIMEST AÑO FACTOR AÑO FACTOR AÑO FACTOR AÑO FACTOR F.E. AÑO 5
RE 1 ESTACIONAL 2 ESTACIONAL 3 ESTACIONAL 4 ESTACIONAL PROMEDIO PRONOSTICO
1 103,5 0,76638282 94,7 0,75714571 118,6 0,79463987 109,3 0,78155166 0,77493002 116,239502
2 126,1 0,93372825 116 0,92744353 141,2 0,94606365 131,6 0,94100822 0,93706091 140,559137
3 144,5 1,06997408 137,1 1,09614231 159 1,06532663 149,5 1,0690025 1,07511138 161,266708
4 166,1 1,22991485 152,5 1,21926844 178,2 1,19396985 169 1,20843761 1,21289769 181,934653
600
PROMEDI 135,0 125,0 149,2 139,8
O 5 75 5 5
MK 150
70
40
30 Linear ()
20
10
0
0 1 2 3 4 5 6 7 8 9
MES PRONOSTIC
O
Septiemb 64,532
re
Octubre 66,984
Noviembr 69,436
e
13. En una fabrica procesadora de hidrocarburos , el control de procesos requiere al
analisisperiodico de muestras para un parámetro determinado de la calidad del proceso.
El procedimiento analítico que se sigue actualmente es costos y consume mucho tiempo.
Se ha propuesto un procedimiento más rápido.y económico. Sin embargo las cifras
obtenidas con el procedimiento alternativo con el parámetro de calidad son un tanto
diferentes de las obtenidas con el procedimiento actual,no ha causa de errores
intrínsecos , sino por cambios en el carácter del análisis químico. La gerencia considera
que si es posible usar las cifras obtenidas con el nuevo procedimiento para hacer un
pronostico fiable de las cifras correspondientes del procedimiento actual la adopción de
nuevo procedimiento seriasensata y rentable. Los siguientes datos referentes al
parámetro de calidad se obtuvieron analizando muestras con los dos procedimientos.
Para el primero:
UNIVERSIDAD TECNICA DE ORURO
FACULTAD NACIONAL DE INGENIERÍA
CARRERA DE INGENIERÍA INDUSTRIAL
4
3.5
3 f(x) = 0.5x + 1.33
R² = 0.13
2.5
2
1.5 Linear ()
1
0.5
0
3 3.2 3.4 3.6 3.8 4 4.2
Para el segundo:
3.5
f(x) = 0.66x + 0.77
3 R² = 0.66
2.5
2
1.5 Linear ()
1
0.5
0
2.4 2.6 2.8 3 3.2 3.4 3.6 3.8 4 4.2
Existe una mayor relación en el segundo modelo puesto que su coeficiente de determinación
2
R es mayor con relación al primero de 0.6559 a 0.1257.
14. Ohio Swis Milk Products fabrica y distribuye helados en Ohio, Kentucky y West Virginia.
La compañía desea expandir sus operaciones, abriendo una nueva planta en el norte de
Ohio. El tamaño de la nueva planta se calculara en función dela demanda esperada de
helado en el área atendida por dicha planta. Actualmente se está realizando un estudio
de mercado para determinar cuál será esa demanda.
Ohio Swiss desea estimar la relación entre el costo de fabricación por galón y el número
de galones vendidos en un año para determinar la demanda de helado y por
consiguiente el tamaño de la nueva planta. Se ha recopilado los siguientes datos:
UNIVERSIDAD TECNICA DE ORURO
FACULTAD NACIONAL DE INGENIERÍA
CARRERA DE INGENIERÍA INDUSTRIAL
a) Desarrolle una ecuación de regresión para pronosticar el costo por galon, en función del
numero de galones producidos
1080
1060
f(x) = 1883.13 x^-0.11
1040 R² = 0.92
1020
1000
980 Power ()
960
940
920
900
200250300350400450500550600650
Podemos observar que el coeficiente de determinación está cercano a 1 por lo que las variables se
encuentra muy relacionadas una de otra y el coeficiente de correlación nos indica que una 95%
justifica el modelo el comportamiento de los datos.
UNIVERSIDAD TECNICA DE ORURO
FACULTAD NACIONAL DE INGENIERÍA
CARRERA DE INGENIERÍA INDUSTRIAL
c) Suponga que el estudio de mercado indica una demanda de 325000 galones en el área de
Bucyrus, Ohio. Estime el costo de fabricación por galon en una planta que produce 325.000
galones al año.
−0.105 −0.105
Y =1883.1∗x =1883.1∗325000 =1025.95
15. El director de una gran biblioteca pública tiene que programar las actividades de los
empleados a cargo de colocar de nuevo en los estantes los libros y las publicaciones
periódicas que devuelven los usuarios de la biblioteca. El número de elementos
bibliográficos que salen en calidad de préstamo determinara los requisitos de mano de
obra. Los siguientes datos reflejan el número de dichos elementos que han salido de la
biblioteca en los últimos año.
UNIVERSIDAD TECNICA DE ORURO
FACULTAD NACIONAL DE INGENIERÍA
CARRERA DE INGENIERÍA INDUSTRIAL
SOLUCION
ERROR ERROR
DE DE
N PRESTAM PRONOSTICO PRONOSTI PRONOSTI PRONOSTI PRONOSTI PRONOSTICO ERROR DE PROVISI PROVISI
° MES OS n=2 CO n=3 CO n=4 CO n=22 CO n=33 n=44 PROVISION 1 ON 2 ON 3
1 Enero 1847 - - - - - - - - -
2 Febrero 2669 - - - - - - - - -
3 Marzo 2467 2258 - - - - - 209 - -
2327,6666
4 Abril 2432 2568 67 - 2568 2328 - 136 104 -
2522,6666
5 Mayo 2464 2449,5 67 2353,75 2450 2523 2354 14 59 110
2454,3333
6 Junio 2378 2448 33 2508 2448 2455 2508 70 77 130
2424,6666
7 Julio 2217 2421 67 2435,25 2421 2425 2436 204 208 219
8 Agosto 2445 2297,5 2353 2372,75 2298 2353 2373 147 92 72
Septiem 2346,6666
9 bre 1894 2331 67 2376 2331 2347 2376 437 453 482
1 2185,3333
0 Octubre 1922 2169,5 33 2233,5 2170 2186 2234 248 264 312
1 Noviemb
1 re 2431 1908 2087 2119,5 1908 2087 2120 523 344 311
1 Diciembr 2082,3333
2 e 2274 2176,5 33 2173 2177 2083 2173 97 191 101
1
3 Enero 2045 2352,5 2209 2130,25 2353 2209 2131 308 164 86
1
4 Febrero 2321 2159,5 2250 2168 2160 2250 2168 161 71 153
UNIVERSIDAD TECNICA DE ORURO
FACULTAD NACIONAL DE INGENIERÍA
CARRERA DE INGENIERÍA INDUSTRIAL
1 2213,3333
5 Marzo 2419 2183 33 2267,75 2183 2214 2268 236 205 151
1 2261,6666
6 Abril 2088 2370 67 2264,75 2370 2262 2265 282 174 177
1
7 Mayo 2667 2253,5 2276 2218,25 2254 2276 2219 413 391 448
1 2391,3333
8 Junio 2122 2377,5 33 2373,75 2378 2392 2374 256 270 252
1 2292,3333
9 Julio 2206 2394,5 33 2324 2395 2293 2324 189 87 118
2 2331,6666
0 Agosto 1869 2164 67 2270,75 2164 2332 2271 295 463 402
2 Septiem 2065,6666
1 bre 2441 2037,5 67 2216 2038 2066 2216 403 375 225
2
2 Octubre 2291 2155 2172 2159,5 2155 2172 2160 136 119 131
2 Noviemb 2200,3333
3 re 2364 2366 33 2201,75 2366 2201 2202 2 163 162
2 Diciembr 2365,3333
4 e 2189 2327,5 33 2241,25 2328 2366 2242 139 177 53
2 2281,3333
5 Enero 1986 2276,5 33 2321,25 2277 2282 2322 291 296 336
2 2179,6666
6 Febrero 2564 2087,5 67 2207,5 2088 2180 2208 476 384 356
2 2246,3333
7 Marzo 2635 2275 33 2275,75 2275 2247 2276 360 388 359
2
8 Abril 2150 2599,5 2395 2343,5 2600 2395 2344 450 245 194
2 2449,6666
9 Mayo 2201 2392,5 67 2333,75 2393 2450 2334 192 249 133
3 2328,6666
0 Junio 2663 2175,5 67 2387,5 2176 2329 2388 487 334 275
UNIVERSIDAD TECNICA DE ORURO
FACULTAD NACIONAL DE INGENIERÍA
CARRERA DE INGENIERÍA INDUSTRIAL
3
1 Julio 2055 2432 2338 2412,25 2432 2338 2413 377 283 358
3 2306,3333
2 Agosto 1678 2359 33 2267,25 2359 2307 2268 681 629 590
3 Septiem
3 bre 1845 1866,5 2132 2149,25 1867 2132 2150 22 287 305
3 1859,3333
4 Octubre 2065 1761,5 33 2060,25 1762 1860 2061 303 205 4
3 Noviemb 1862,6666
5 re 2147 1955 67 1910,75 1955 1863 1911 192 284 236
3 Diciembr
6 e 2451 2106 2019 1933,75 2106 2019 1934 345 432 517
3
7 Enero 2299 2221 2127 2299 2221 2127
MAD 268 257 242
Para este conjunto de datos cuando n= 4 produjo una deviación media absoluta más baja entonces nuestro valor pronosticado es de 2127
UNIVERSIDAD TECNICA DE ORURO
FACULTAD NACIONAL DE INGENIERÍA
CARRERA DE INGENIERÍA INDUSTRIAL
16. Usando los datos del problema 15, encuentre la mejor solución posible con el
suvizamiento exponencial. Justifique su decisión.
MAPE 12
El método se suaviza miento exponencial vendría a ser el mejor método porque su MAD es menor
con relación a medias móviles.
UNIVERSIDAD TECNICA DE ORURO
FACULTAD NACIONAL DE INGENIERÍA
CARRERA DE INGENIERÍA INDUSTRIAL
17. Usando los datos del problema 1, busque la mejor solución posible con el suavizamiento exponencial ajustado a la tendencia.
Compare el desempeño de este metdode promedio móvil y el suavizamiento exponencial ¿Cuál de los tres métodos utilizaría usted?
N ERROR DE ERROR DE
° MES PRESTAMOS F FIT T MES t+1 PROYECCION PREVISION PROVISION
1 Enero 1847 2080,1 2180 -9,99 Febrero 2081 -234 234
2 Febrero 2669 2356,67 2361,35 4,68 Marzo 2357 312 312
3 Marzo 2467 2394,449 2402,2985 7,8495 Abril 2395 72 72
4 Abril 2432 2413,5638 2422,30435 8,740545 Mayo 2414 18 18
2437,4352
5 Mayo 2464 1 2447,42662 9,99141465 Junio 2438 26 26
2429,5960
6 Junio 2378 6 2437,50467 7,90861606 Julio 2430 -52 52
2373,7258
7 Julio 2217 6 2375,01933 1,29347583 Agosto 2374 -157 157
2396,4015
8 Agosto 2445 8 2399,79447 3,39289586 Septiembre 2397 48 48
Septiembr
9 e 1894 2249,074 2237,29306 -11,7809383 Octubre 2250 -356 356
1 2139,1708
0 Octubre 1922 6 2117,93113 -21,2397301 Noviembre 2140 -218 218
1 2205,4798
1 Noviembre 2431 7 2193,63221 -11,847664 Diciembre 2206 225 225
1 2214,1882
2 Diciembre 2274 5 2204,75162 -9,43663028 Enero 2215 59 59
1 2153,9951
3 Enero 2045 4 2139,76596 -14,2291788 Febrero 2154 -109 109
1 2189,8674
4 Febrero 2321 2 2181,07526 -8,79215768 Marzo 2190 131 131
UNIVERSIDAD TECNICA DE ORURO
FACULTAD NACIONAL DE INGENIERÍA
CARRERA DE INGENIERÍA INDUSTRIAL
1 2249,8150
5 Marzo 2419 4 2248,16062 -1,65441558 Abril 2250 169 169
1 2199,6161
6 Abril 2088 1 2193,15688 -6,45923422 Mayo 2200 -112 112
1 2333,3720
7 Mayo 2667 4 2341,1281 7,7560595 Junio 2334 333 333
1 2277,7164
8 Junio 2122 9 2278,89871 1,18221642 Julio 2278 -156 156
1 2257,3837
9 Julio 2206 6 2256,37901 -1,00474476 Agosto 2258 -52 52
2 2139,8638
0 Agosto 1869 9 2127,23777 -12,6261152 Septiembre 2140 -271 271
2 Septiembr 2217,5786
1 e 2441 1 2214,36536 -3,21324833 Octubre 2218 223 223
2 2236,3917
2 Octubre 2291 8 2235,47757 -0,91420905 Noviembre 2237 54 54
2 2273,7600
3 Noviembre 2364 3 2276,7015 2,94146396 Diciembre 2274 90 90
2 2251,2734
4 Diciembre 2189 9 2251,58391 0,31041903 Enero 2252 -63 63
2 2172,0018
5 Enero 1986 6 2164,34476 -7,65709817 Febrero 2173 -187 187
2
6 Febrero 2564 2281,9442 2286,27676 4,33255896 Marzo 2282 282 282
2
7 Marzo 2635 2392,1935 2406,98776 14,7942561 Abril 2393 242 242
2 2334,3297
8 Abril 2150 1 2341,41433 7,08462333 Mayo 2335 -185 185
2 2301,4154
9 Mayo 2201 2 2304,28761 2,87219341 Junio 2302 -101 101
3 2412,7629
0 Junio 2663 9 2426,39655 13,6335651 Julio 2413 250 250
UNIVERSIDAD TECNICA DE ORURO
FACULTAD NACIONAL DE INGENIERÍA
CARRERA DE INGENIERÍA INDUSTRIAL
3 2319,0676
1 Julio 2055 6 2321,55932 2,49166852 Agosto 2320 -265 265
3 2129,2390
2 Agosto 1678 3 2112,42392 -16,8151112 Septiembre 2130 -452 452
3 Septiembr 2027,1522
3 e 1845 1 2002,31438 -24,8378287 Octubre 2028 -183 183
3 2013,6687
4 Octubre 2065 2 1990,71146 -22,9572601 Noviembre 2014 51 51
3 2030,7108
5 Noviembre 2147 4 2012,44224 -18,2686038 Diciembre 2031 116 116
3 2138,5289
6 Diciembre 2451 9 2133,41711 -5,11187091 ENERO 2139 312 312
MAD=16
UNIVERSIDAD TECNICA DE ORURO
FACULTAD NACIONAL DE INGENIERÍA
CARRERA DE INGENIERÍA INDUSTRIAL
Erigiría el tercer método puesto que su MAD es mínimo en comparación de los demás métodos.
18. Cannister, Inc. Se especializa en la fabricación de recipientes de plásticos. Los datos de las
ventas mensuales de botellas de champú de 10 onzas en los últimos cinco años son los
siguientes:
AÑO 1 2 3 4 5
Enero 742 741 896 951 1030
Febrero 697 700 793 861 1032
Marzo 776 774 885 938 1126
Abril 898 932 1055 1109 1285
Mayo 1030 1099 1204 1274 1468
Junio 1107 1223 1326 1422 1637
Julio 1165 1290 1303 1486 1611
Agosto 1216 1349 1436 1555 1608
Septiembr 1208 1341 1473 1604 1528
e
Octubre 1131 1296 1453 1600 1420
Noviembre 971 1066 1170 1403 1119
Diciembre 783 901 1023 1209 1013
UNIVERSIDAD TECNICA DE ORURO
FACULTAD NACIONAL DE INGENIERÍA
CARRERA DE INGENIERÍA INDUSTRIAL
a) Use el método estacional multiplicativo para calcular los índices estacionales mensuales
b) Desarrolle una ecuación de regresión lineal simple para pronosticar las ventas anuales. En
esta regresión, la variable dependiente, Y, es la demanda registrada cada año, y la variable
independiente, X, es el índice del año
AÑO DEMANDA
1 11724
2 12712
3 14017
4 15412
5 15877
18000
16000
f(x) = 1100.6x + 10646.6
14000 R² = 0.98
12000
10000
8000 Linear ()
6000
4000
2000
0
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
c) Pronostique las ventas anuales para el año 6, usando el modelo de regresión que
desarrollo en la parte b
d) Prepare el pronóstico estacional para cada mes, utilizando los inndices estacionales
mensuales calculados en la parte a
UNIVERSIDAD TECNICA DE ORURO
FACULTAD NACIONAL DE INGENIERÍA
CARRERA DE INGENIERÍA INDUSTRIAL
ERROR DE ERROR DE
N° MES VENTAS F FIT T MES t+1 PROYECCION PREVISION PROVISION
1 Enero 80 98,2 106 -0,78 Febrero 99 -19 19
2 Febrero 132 116,14 116,14 0 Marzo 117 15 15
3 Marzo 143 124,198 125,0038 0,8058 Abril 125 18 18
4 Abril 180 141,7444 144,200086 2,455686 Mayo 142 38 38
5 Mayo 200 161,676766 165,806449 4,12968342 Junio 162 38 38
6 Junio 168 167,70342 171,89891 4,19548994 Julio 168 0 0
7 Julio 212 185,187884 190,586406 5,39852265 Agosto 186 26 26
8 Agosto 254 211,230041 218,530972 7,30093046 Septiembre 212 42 42
9 Septiembre 397 274,261959 286,916961 12,6550013 Octubre 275 122 122
10 Octubre 385 320,138373 335,735865 15,5974925 Noviembre 321 64 64
11 Noviembre 472 381,294353 400,97977 19,6854165 Diciembre 382 90 90
12 Diciembre 397 405,691464 425,257487 19,5660234 Enero 406 -9 9
13 Enero 476 446,350048 467,438347 21,0882988 Febrero 447 29 29
14 Febrero 699 543,233333 571,268481 28,0351484 Marzo 544 155 155
15 Marzo 545 571,798481 599,045575 27,247094 Abril 572 -27 27
16 Abril 837 678,606031 712,991758 34,3857267 Mayo 679 158 158
17 Mayo 743 732,309948 767,595922 35,285974 Junio 733 10 10
18 Junio 422 674,502938 699,421034 24,9180963 Julio 675 -253 253
19 Julio 735 717,570153 743,555618 25,9854653 Agosto 718 17 17
20 Agosto 838 779,684572 808,503369 28,8187968 Septiembre 780 58 58
21 Septiembre 1057 891,697997 927,971693 36,2736957 Octubre 892 165 165
22 Octubre 930 939,462294 975,796839 36,3345449 Noviembre 940 -10 10
23 Noviembre 1085 1019,45815 1059,06879 39,6106397 Diciembre 1020 65 65
24 Diciembre 1090 1080,23135 1120,76992 40,538576 Enero 1081 9 9
25 Enero 1218 1162,10052 1205,556 43,4554784 Febrero 1163 55 55
UNIVERSIDAD TECNICA DE ORURO
FACULTAD NACIONAL DE INGENIERÍA
CARRERA DE INGENIERÍA INDUSTRIAL
MAD=51.34
20. Un determinado producto alimenticio que se vende en los supermercados P&Q tiene el
patrón de demanda que muestra la tabla siguiente. Encuentre el mejor pronóstico
posible para el mes 25 y justifique su metodología. Puede usar alguno de los datos para
encontrar el mejor valoro valores de los parámetros de su método, y los demás para
probar el modelo de pronóstico. La justificación que presente deberá incluir
consideraciones cuantitativas.
7 42 19 41
8 40 20 58
9 41 21 42
10 54 22 45
11 43 23 41
12 39 24 38
SOLUCION
y=0.2409 x +38.989
UNIVERSIDAD TECNICA DE ORURO
FACULTAD NACIONAL DE INGENIERÍA
CARRERA DE INGENIERÍA INDUSTRIAL
21. Los datos del grafico de visibilidad de la pregunta para discusión 1 se presenta en la tabla
13.6. la norma de visibilidad se ha establecido en 100. Las lecturas por debajo de 100
indica que la contaminación del aire ha reducido la visibilidad, y las lecturas por encima
de 100 indica que el aire está más limpio.
a) Use varios métodos para generar un pronóstico de visibilidad para el 31 de agosto del segundo
año ¿Qué método parece el mejor pronóstico?
UNIVERSIDAD TECNICA DE ORURO
FACULTAD NACIONAL DE INGENIERÍA
CARRERA DE INGENIERÍA INDUSTRIAL
SOLUCION
29 50 100 115 50 65
30 60 82 88 22 28
31 69 77
MAD 44,594594
6
MAD 42,527777
8
El mejor modelo es el de media móvil con n=4 porque su MAD es menor con relación al de n=3
22. Tom Glass elabora pronósticos de demanda eléctrica para el Flatlands Public Power
District (FPPD). El FPPD tendrá que suspender temporalmente el servicio de su planta en
Constock para Realizar operaciones de mantenimiento, pero quiere hacerlo cuando se
espere que la demanda sea baja. A partir del momento que se suspenda el servicio, se
requerirán dos semanas para realizar los trabajos de mantenimiento y poner la planta en
marcha nuevamente. La empresa de servicio publico tiene suficiente capacidad adicional
de generación de energía para satisfacer una demanda de 1550 megawatt(MW),
mientras la planta de Constockesta fuera de servicio. La tabla 13.7 muestra las demandas
máximas semanales (en MW),registrada en los otoño de los últimos años .¿en que
momento del siguiente otoño será mas conveniente programar las operaciones de
mantenimiento en la planta de Comstock?
Lo recomendable seria para en la semana 8 y 9 del mes de octubre debido a que la demanda en
este periodo es mínima.
23. una empresa manufacturera ha creado una prueba de aptitudes, cuyas calificaciones
pueden utilizarse para pronosticar factores de capacidad de producción de los
trabajadores. Los datos de las calificaciones obtenidas en las pruebas por varios
trabajadores, y las calificaciones de capacidad de producción observadas después,
aparecen en la siguiente tabla:
100
90
80 f(x) = 0.94x + 4.18
R² = 0.93
70
60
50
Linear ()
40
30
20
10
0
10 20 30 40 50 60 70 80 90 100
En este caso particular la calificación casi es proporcional a la capacidad de producción puesto que
mediante un análisis de regresión se vio que tiene un comportamiento lineal.
5 890 1 466
5 1522 1 549
5,5 987
a) Use la regresión lineal para desarrollar una relación que permita pronosticar el costo anual
de mantenimiento, basándose en la antigüedad de tractor
1600
1400
1200
400
200
0
0 1 2 3 4 5 6 7
0.5518
y=394.75 x
b) Si una sección tiene 20 tractores de 3 años de antigüedad, ¿Cuál es el pronóstico del costo
de mantenimiento anual?
y=394.75 x 0.5518
$
Costo de mantenimiento=723.76∗20=14475 [ ]
año